Классификация состояния исследуемой ткани на основании лонгитудинальных признаков - RU2017116859A
Код документа: RU2017116859A
Формула
1. Способ, включающий:
определение, с помощью реализуемого на компьютере классификатора, состояния исследуемой ткани субъекта на по меньшей мере одной паре изображений субъекта на основании заданного набора лонгитудинальных признаков исследуемой ткани субъекта на указанной по меньшей мере одной паре изображений субъекта,
причем указанная по меньшей мере одна пара изображений субъекта содержит первое изображение исследуемой ткани, полученное в первый момент времени, и второе изображение исследуемой ткани, полученное во второй отличный момент времени; и
визуальное отображение знаков, указывающих на определенное состояние.
2. Способ по п. 1, который дополнительно включает:
регистрацию указанной по меньшей мере одной пары изображений субъекта;
распознавание по меньшей мере одного исследуемого объема на зарегистрированной по меньшей мере одной паре изображений, причем исследуемая ткань находится в указанном по меньшей мере одном исследуемом объеме;
извлечение заданного набора лонгитудинальных признаков из распознанного по меньшей мере одного исследуемого объема и
определение состояния исследуемой ткани путем классификации извлеченного набора лонгитудинальных признаков.
3. Способ по п. 2, который дополнительно включает:
получение данных о субъекте, не относящихся к изображению; и
определение состояния исследуемой ткани путем классификации извлеченного набора лонгитудинальных признаков и данных, не относящихся к изображению.
4. Способ по п. 3, в котором данные, не относящиеся к изображению, содержат одно или более из следующего: демографические данные, медицинский анамнез, семейный анамнез, факторы риска, результаты молекулярных тестов или результаты генетических тестов.
5. Способ по любому из пп. 1-4, который дополнительно включает:
определение лонгитудинального признака из заданного набора лонгитудинальных признаков исследуемой ткани из указанной по меньшей мере одной пары изображений.
6. Способ по п. 5, в котором заданный набор лонгитудинальных признаков исследуемой ткани содержит одно или более из следующего: изменение формы исследуемой ткани, изменение очертаний исследуемой ткани, изменение текстуры исследуемой ткани, изменение васкуляризации исследуемой ткани, изменение структуры исследуемой ткани, совместимость исследуемой ткани или сопутствующие медицинские состояния исследуемой ткани.
7. Способ по любому из пп. 1-6, который дополнительно включает:
определение балльной оценки, в заданном диапазоне балльных оценок, на основании определенного состояния, при котором первый балл из диапазона указывает на отсутствие заболевания, а второй балл из диапазона указывает на присутствие заболевания, причем визуальное отображение знаков включает в себя визуальное отображение балльной оценки.
8. Способ по п. 7, в котором балльная оценка указывает на тяжесть заболевания.
9. Способ по любому из пп. 7 и 8, который дополнительно включает:
создание карты, которая осуществляет маппинг различных поддиапазонов заданного диапазона балльных оценок по различным уровням тяжести и различным цветам; и
визуальное отображение графических знаков цветом, указывающим на балл на основании карты.
10. Способ по п. 9, в котором распределение состояния разделено по меньшей мере по географическому региону, возрасту, полу, типу риска или сопутствующим медицинским состояниям.
11. Способ по любому из пп. 1-10, который дополнительно включает:
прием набора обучающих данных пар изображений ткани, причем каждая пара содержит изображения, полученные в различные моменты времени, при этом первый поднабор обучающих данных содержит первое известное состояние ткани, а по меньшей мере второй поднабор обучающих данных содержит по меньшей мере второе известное состояние ткани;
регистрацию изображений в наборе обучающих данных;
распознавание исследуемой ткани на зарегистрированных изображениях в наборе обучающих данных;
отслеживание тенденций в заданном наборе лонгитудинальных признаков исследуемой ткани в зарегистрированных изображениях набора обучающих данных;
выбор поднабора из набора признаков, представляющего набор релевантных признаков; и
создание и обучение классификатора на основании набора обучающих данных и выбранного поднабора из набора признаков, причем классификатор содержит один или более подклассификаторов.
12. Способ по п. 11, который дополнительно включает:
получение данных о субъекте, не относящихся к изображению; и
определение состояния исследуемой ткани путем классификации извлеченного набора лонгитудинальных признаков и данных, не относящихся к изображению.
13. Способ по любому из пп. 11 и 12, который дополнительно включает:
отслеживание тенденций в заданном наборе лонгитудинальных признаков путем определения различия в признаке между парой изображений.
14. Вычислительная система (122), содержащая:
память (126), хранящую инструкций модуля обработки данных изображения; и
процессор (124), выполненный с возможностью выполнения инструкций, обуславливающих осуществление процессором:
классификации состояния исследуемой ткани субъекта на по меньшей мере одной паре изображений на основании заданного набора лонгитудинальных признаков исследуемой ткани субъекта на указанной по меньшей мере одной паре изображений субъекта, причем указанная по меньшей мере одна пара изображений субъекта содержит первое изображение исследуемой ткани, полученное в первый момент времени, и второе изображение исследуемой ткани, полученное во второй отличный момент времени; и
визуального отображения знаков, указывающих на определенное состояние.
15. Система по п. 14, в которой процессор выполнен с возможностью выполнения инструкций, которые дополнительно обуславливают осуществление процессором:
регистрации указанной по меньшей мере одной пары изображений субъекта;
распознавания по меньшей мере одного исследуемого объема на зарегистрированной по меньшей мере одной паре изображений, причем исследуемая ткань находится в указанном по меньшей мере одном исследуемом объеме;
извлечения заданного набора лонгитудинальных признаков из распознанного по меньшей мере одного исследуемого объема и
определения состояния исследуемой ткани путем классификации извлеченного набора лонгитудинальных признаков.
16. Система по п. 15, в которой процессор выполнен с возможностью выполнения инструкций, которые дополнительно обуславливают осуществление процессором:
получения данных о субъекте, не относящихся к изображению; и
определения состояния исследуемой ткани путем классификации извлеченного набора лонгитудинальных признаков и данных, не относящихся к изображению.
17. Система по любому из пп. 14-16, в которой процессор выполнен с возможностью выполнения инструкций, которые дополнительно обуславливают осуществление процессором:
определения балльной оценки, пропорциональной указанному состоянию; и
визуального отображения балльной оценки посредством одного или более средств из буквенно-цифровых знаков или цвета.
18. Система по любому из пп. 14-17, в которой процессор выполнен с возможностью выполнения инструкций, которые дополнительно обуславливают осуществление процессором:
приема набора обучающих данных пар изображений ткани, причем каждая пара содержит изображения, полученные в различные моменты времени, и при этом первый поднабор обучающих данных содержит первое известное состояние ткани, а по меньшей мере второй поднабор обучающих данных содержит по меньшей мере второе известное состояние ткани;
регистрации изображений в наборе обучающих данных;
распознавания исследуемой ткани на зарегистрированных изображениях в наборе обучающих данных;
отслеживания тенденций в заданном наборе лонгитудинальных признаков исследуемой ткани в зарегистрированных изображениях набора обучающих данных;
выбора поднабора из набора признаков, представляющего набор релевантных признаков; и
создания классификатора на основании набора обучающих данных и выбранного поднабора из набора признаков, причем классификатор содержит один или более подклассификаторов.
19. Система по п. 18, в которой процессор выполнен с возможностью выполнения инструкций, которые дополнительно обуславливают осуществление процессором:
получения данных о субъекте, не относящихся к изображению; и
определения состояния исследуемой ткани путем классификации извлеченного набора лонгитудинальных признаков и данных, не относящихся к изображению.
20. Система по любому из пп. 14-19, которая дополнительно содержит:
отслеживание тенденций в заданном наборе лонгитудинальных признаков путем определения различия в признаке между парой изображений.
21. Компьютерочитаемый носитель информации, закодированный компьютерочитаемыми инструкциями, которые, при выполнении процессором, обуславливают осуществление процессором:
обучения классификатора для определения состояния исследуемой ткани на основании изменения признака исследуемой ткани на паре изображений, предварительно полученных в различные моменты времени для множества пар изображений для одного или более субъектов; и
использования классификатора для классификации состояния исследуемой ткани для оцениваемого пациента на основании изменения указанного признака исследуемой ткани на паре изображений для оцениваемого пациента, полученных в различные моменты времени для пациента.
22. Компьютерочитаемый носитель информации по п. 21, в котором компьютерочитаемые инструкции, при выполнении процессором, дополнительно обуславливают осуществление процессором:
приема набора обучающих данных пар изображений ткани, причем каждая пара содержит изображения, полученные в различные моменты времени, и при этом первый поднабор обучающих данных содержит первое известное состояние ткани, а по меньшей мере второй поднабор обучающих данных содержит по меньшей мере второе известное состояние ткани;
регистрации изображений в наборе обучающих данных;
распознавания исследуемой ткани на зарегистрированных изображениях в наборе обучающих данных;
отслеживания тенденций в заданном наборе лонгитудинальных признаков исследуемой ткани в зарегистрированных изображениях набора обучающих данных;
выбора поднабора из набора признаков, представляющего набор релевантных признаков; и
создания классификатора на основании набора обучающих данных и выбранного поднабора из набора признаков, причем классификатор содержит один или более подклассификаторов.
23. Компьютерочитаемый носитель информации по п. 22, в котором компьютерочитаемые инструкции, при выполнении процессором, дополнительно обуславливают осуществление процессором:
получения данных о субъекте, не относящихся к изображению; и
определения состояния исследуемой ткани путем классификации извлеченного набора лонгитудинальных признаков и данных, не относящихся к изображению.
24. Компьютерочитаемый носитель информации по любому из пп. 22-23, в котором компьютерочитаемые инструкции, при выполнении процессором, дополнительно обуславливают осуществление процессором:
отслеживания тенденций в заданном наборе лонгитудинальных признаков путем определения различия в признаке между парой изображений.
25. Компьютерочитаемый носитель информации по любому из пп. 21-24, в котором компьютерочитаемые инструкции, при выполнении процессором, дополнительно обуславливают осуществление процессором:
регистрации указанной по меньшей мере одной пары изображений субъекта;
распознавания по меньшей мере одного исследуемого объема на зарегистрированной по меньшей мере одной паре изображений, причем исследуемая ткань находится в указанном по меньшей мере одном исследуемом объеме;
извлечения заданного набора лонгитудинальных признаков из распознанного по меньшей мере одного исследуемого объема;
определения состояния исследуемой ткани путем классификации извлеченного набора лонгитудинальных признаков и
визуального отображения знаков, указывающих на определенное состояние.
26. Компьютерочитаемый носитель информации по п. 25, в котором компьютерочитаемые инструкции, при выполнении процессором, дополнительно обуславливают осуществление процессором:
получения данных о субъекте, не относящихся к изображению; и
определения состояния исследуемой ткани путем классификации извлеченного набора лонгитудинальных признаков и данных, не относящихся к изображению.
